Wolfram 语言与系统参考资料中心

BilateralFilter

BilateralFilter[data,σ,μ]

对 data 应用一个具有空间传播 σ 和像素值传播 μ 的双边滤波器.

背景

BilateralFilter 是一个去除通常由噪音、粗糙材质等造成的局部差异，从而平滑图像的滤波器. BilateralFilter 常常是进行其它如图像分割之类图像分析操作前的预处理步骤. 双边滤波也可用于进行不尖锐的图像蒙板操作，只要从原图中减去过滤后的图像然后再加上原图即可.
BilateralFilter 进行的是非线性的保边平滑运算. 平滑是通过把每个像素替换为其周边像素的加权平均来完成的，权重取自归一化的基于颜色相似性的高斯分布. 这里高斯分布的标准差 σ 和平均数 μ 被作为参数指定.
BilateralFilter 适用于任意灰度和彩色图像，也同样适用于二维及三维图像. 当被应用于多通道图像时，BilateralFilter 并不是逐通道运算而是使用通道向量之间的欧几里得距离.
其它保边的滤波器包括 MeanShiftFilter 和 PeronaMalikFilter. 类似但不保边的滤波器则有 MeanFilter 及 GaussianFilter. 当高斯分布平均值较大时，双边滤波则会产生与高斯滤波相似的结果.

范例

打开所有单元关闭所有单元

基本范例 (3)

对向量进行双边滤波：

Wolfram Language code: BilateralFilter[ {1, 0, 1, 4, 4, 5, 2, 1}, 3, 1]

对 TimeSeries 进行滤波：

Wolfram Language code:

ts = TemporalData[TimeSeries, {{{0., -0.054108337548928784, 0.1280211704499059, 0.28162021808461324, 
    -0.2057320325139802, -0.4871901025739722, -0.7154387408784426, -0.7399660905024047, 
    -0.6981022018441507, -0.7178077145466483, -0.8034462541874 ... 7894984276149, 1.8851123992920942, 1.8341759268762767, 2.0335844117979263}}, 
  {{0., 10., 0.1}}, 1, {"Continuous", 1}, {"Continuous", 1}, 1, 
  {ValueDimensions -> 1, ResamplingMethod -> {"Interpolation", InterpolationOrder -> 1}}}, False, 
 10.];

Wolfram Language code: filtered = BilateralFilter[ts, 5, 2]

Wolfram Language code: ListLinePlot[{ts, filtered}, PlotLegends -> {"original data", "filtered"}]

在一个彩色图像中平滑细节：

Wolfram Language code: BilateralFilter[[image], 7, .1]

范围 (7)

数据 (7)

列表的双边滤波：

Wolfram Language code:

{ListLinePlot[data = Table[Sign[i - 1] + RandomReal[{-.2, .2}], {i, 0, 2, 0.01}]], 
	ListLinePlot[BilateralFilter[data, 10, .5]]}

2D 数组的双边滤波：

Wolfram Language code:

BilateralFilter[(⁠|   |   |   |   |
| - | - | - | - |
| 0 | 3 | 2 | 2 |
| 3 | 9 | 9 | 6 |
| 5 | 8 | 7 | 0 |
| 3 | 1 | 1 | 2 |⁠), 2, 2]//MatrixForm

对 TimeSeries 进行滤波：

Wolfram Language code:

ts = TemporalData[TimeSeries, {{{0., -0.27267267057145633, -0.6672983789995302, -0.5338541947930846, 
    -0.6117404489279314, -0.6755527076595494, -0.02125421294486496, -0.10792797291843935, 
    -0.6138271235477938, -0.3248568606554575, -0.08843449054 ... 2053424, -0.49980440691873723, -0.5388679788215971, 
    -0.4101602764645551}}, {{0, 1., 0.01}}, 1, {"Continuous", 1}, {"Continuous", 1}, 1, 
  {ValueDimensions -> 1, ResamplingMethod -> {"Interpolation", InterpolationOrder -> 1}}}, False, 
 10.1];

Wolfram Language code: filtered = BilateralFilter[ts, 3, 1]

Wolfram Language code: ListLinePlot[{ts, filtered}, PlotLegends -> {"original data", "filtered"}]

对 Audio 信号进行滤波：

Wolfram Language code: a = Import["ExampleData/rule30.wav"];

Wolfram Language code: b = BilateralFilter[a, 25, 0.5]

Wolfram Language code: AudioPlot[{a, b}]

双边滤波平滑一个图像的同时保持边缘：

Wolfram Language code: BilateralFilter[[image], 2, 0.2]

三维图像降噪：

Wolfram Language code: BilateralFilter[[image], 5, 0.1]

双边滤波器的符号式计算：

Wolfram Language code: BilateralFilter[{a, b, c}, 1, .1]

选项 (6)

MaxIterations (2)

默认情况下，执行双边滤波的一次迭代：

Wolfram Language code:

i = [image];
BilateralFilter[i, 2, .05, MaxIterations -> 1]

运行更多的迭代：

Wolfram Language code: BilateralFilter[i, 2, .05, MaxIterations -> 10]

反复对 TimeSeries 进行滤波：

Wolfram Language code:

ts = TemporalData[TimeSeries, {{{0., -0.27267267057145633, -0.6672983789995302, -0.5338541947930846, 
    -0.6117404489279314, -0.6755527076595494, -0.02125421294486496, -0.10792797291843935, 
    -0.6138271235477938, -0.3248568606554575, -0.08843449054 ... 2053424, -0.49980440691873723, -0.5388679788215971, 
    -0.4101602764645551}}, {{0, 1., 0.01}}, 1, {"Continuous", 1}, {"Continuous", 1}, 1, 
  {ValueDimensions -> 1, ResamplingMethod -> {"Interpolation", InterpolationOrder -> 1}}}, False, 
 10.1];

Wolfram Language code: filtered = BilateralFilter[ts, 3, .3, MaxIterations -> 100]

Wolfram Language code: ListLinePlot[{ts, filtered}, PlotLegends -> {"original data", "filtered"}]

WorkingPrecision (4)

默认情况下，MachinePrecision 用于整数数组：

Wolfram Language code: BilateralFilter[{3, 4, 4, 3, 2}, 2, 1]

进行精确计算：

Wolfram Language code: BilateralFilter[{3, 4, 4, 3, 2}, 2, 1, WorkingPrecision -> ∞]

默认情况下，输入的精确度被用于实数数组：

Wolfram Language code: BilateralFilter[{1.0000000000000000000, 2.0000000000000000000, 3.0000000000000000000, 4.0000000000000000000}, 2, 1]

指定要用的精度：

Wolfram Language code:

BilateralFilter[{1.0000000000000000000, 2.0000000000000000000, 3.0000000000000000000, 4.0000000000000000000}, 2, 1, WorkingPrecision -> MachinePrecision]

对于符号式数组，使用精确计算：

Wolfram Language code: BilateralFilter[{a, b, c}, 1, 1]

WorkingPrecision 在滤波图像时被忽略：

Wolfram Language code: BilateralFilter[[image], 2, .5, WorkingPrecision -> Infinity]

总是返回实型图像：

Wolfram Language code: ImageType[%]

应用 (5)

删除噪声：

Wolfram Language code: BilateralFilter[[image], 2, .2]

通过执行多次迭代，创建色调分离的效果：

Wolfram Language code: BilateralFilter[[image], 2, .05, MaxIterations -> 10]

具有大的彩色传播值的双边滤波，用于去除背景：

Wolfram Language code: ImageSubtract[ #, BilateralFilter[#, 4, 0.9]] & [[image]]

双边滤波作为图像分割的预处理步骤：

Wolfram Language code: ClusteringComponents[BilateralFilter[[image], 4, 0.3], 5]// Colorize

利用双边滤波反锐化掩膜：

Wolfram Language code:

img = [image];
ImageAdd[img, ImageSubtract[img, BilateralFilter[img, 5, .2]]]

属性和关系 (2)

双边滤波进行降噪，同时保留边缘：

Wolfram Language code:

data = Table[Sign[i - 1] + RandomReal[{-.2, .2}], {i, 0, 2, 0.01}];
{ListLinePlot[data], ListLinePlot[BilateralFilter[data, 20, .5]]}

MeanFilter 也可以降噪，但不保留边缘

Wolfram Language code: MeanFilter[data, 20]//ListLinePlot

高斯分布均值较大的情况下，双边滤波给出的结果与高斯滤波的结果类似：

Wolfram Language code: {BilateralFilter[[image], 2, 2], GaussianFilter[[image], 5]}

Top

	list	任意维度的数值数组
	tseries	时态数据，如 TimeSeries、TemporalData、…
	image	任意 Image 或 Image3D 对象
	audio	Audio 对象

更多学习资源

技术支持

Wolfram 解决方案

Wolfram 的教育解决方案

开始

提高你的技能

与我们合作

成人教育计划

青少年教育计划

欢迎阅读

BilateralFilter

更多信息和选项

背景

范例

基本范例 (3)

范围 (7)

数据 (7)

选项 (6)

MaxIterations (2)

WorkingPrecision (4)

应用 (5)

属性和关系 (2)

文本

CMS

APA

BibTeX

BibLaTeX

	MaxIterations	1	最大迭代次数
	WorkingPrecision	MachinePrecision	使用的精度

BilateralFilter

更多信息和选项

背景

范例

基本范例 (3)

范围 (7)

数据 (7)

选项 (6)

MaxIterations (2)

WorkingPrecision (4)

应用 (5)

属性和关系 (2)

参见

相关指南

历史

文本

CMS

APA

BibTeX

BibLaTeX